شبکه های عصبی

شبکه‌های عمیق عصبی که برخی منابع به آن‌ها شبکه عصبی مصنوعی می‌گویند این توانایی را دارند تا از طریق برنامه‌نویسی و بر مبنای الگوریتم‌های هوشمند به‌گونه‌ای رفتار کنند که عملکردی شبیه به سلول‌های عصبی طبیعی داشته باشند. شبکه‌هایی که در عمل برای حل مشکلات و مسائل بغرنج استفاده می‌شوند. غیر ممکن است درباره هوش مصنوعی صحبت کنیم، اما اشاره‌ای به شبکه‌های عصبی نداشته باشیم، زیرا شبکه‌های عصبی از مهم‌ترین شاخه‌های هوش مصنوعی هستند. البته در این مقاله برای آن‌که صحبت ما کمتر جنبه تئوری داشته باشد نحوه طراحی یک شبکه عصبی ساده را نیز بررسی کرده‌ایم.
یادگیری و خودسازمان‌یابی مغز، الگوهایی برای ساخت کامپیوترهای آینده
08 آذر 1398
تولید پردازنده‌های کامپیوتری با رویکرد فعلی نمی‌تواند مدت زیادی ادامه یابد و این موضوع سبب شده تا گونار توفتی، استاد فناوری‌‌های رایانه‌ دانشگاه علم و فناوری نروژ، برای ساخت رایانه‌ها روش کاملا جدیدی پیشنهاد ‌دهد؛ روشی که از مغز انسان و البته نانوفناوری الگو می‌گیرد.
سال‌های متمادی است که شبکه‌های عصبی با حجم بسیار عظیمی از اطلاعات تغذیه می‌شوند تا یاد بگیرند شبیه به انسان‌ها فکر کنند، اما علیرغم تمامی تلاش‌ها هوش مصنوعی هنوز هم هیچ درک عامی ندارند. آیا دانشمندان و متخصصان هوش مصنوعی در مسیر اشتباهی گام بر می‌دارند؟
متاسفانه، متخصصانی که تمایل دارند در حوزه علم داده‌ها مشغول به کار شوند و مهارت‌های تئوری لازم برای کار در این حوزه را دارند با مشکل بزرگی روبرو هستند. این افراد در انتخاب زبان برنامه‌نویسی و به ویژه میان دو زبان R یا پایتون برای تحلیل داده‌ها مردد هستند که کدامیک عملکرد بهتری دارند. اگر به هوش مصنوعی و علم داده‌ها علاقه‌مندید، اما در انتخاب زبان برنامه‌نویسی مردد هستید، این مقاله برای شما نگارش شده است. این مقاله به شما خواهد گفت برای ورود به دنیای لایتناهی علم داده‌ها هر یک از این دو زبان‌ برنامه‌نویسی چه ویژگی‌هایی دارند.
 هرس شاخه‌های هوش مصنوعی راهکاری برای کوچک‌تر کردن شبکه‌های عصبی
03 آبان 1398
برای آموزش شبکه‌های عصبی، توان پردازشی زیادی را هدر می‌دهیم، زیرا شبکه‌هایی بزرگ‌تر از آن‌چه نیاز داریم را انتخاب می‌کنیم تا شانس بیشتری برای آموختن داشته باشند. فرایند آموزش چنین شبکه‌ای چندین روز زمان می‌برد و تأمین توان پردازشی آن پرهزینه است. چه می‌شد اگر می‌توانستیم شبکه‌های کوچک و منطبق با نیازمان را آموزش دهیم؟ این پرسشی است که محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی دانشگاه اِم‌آی‌تی سعی کرده‌اند پاسخی برای آن بیابند. آن‌ها دریافته‌اند که می‌توان اندازه یک شبکه را بسیار کوچک کرد به‌گونه‌ای‌ که پس از آموزش، همان عملکرد شبکه اصلی را داشته باشد. به بیان دیگر می‌توانیم با شبکه‌ای کوچک‌تر شروع کنیم و با صرف زمان و هزینه کمتر به همان نتیجه برسیم.
ابزارهای تشخیص و درمان بیماری‌ها پیشرفت‌های زیادی کرده‌اند و فناوری‌های شبکه و همراه، تأثیر زیادی در این پیشرفت‌ها داشته‌اند. سال‌ها پیش نصب یک تراشه در جمجمه و خواندن سیگنال‌های مغزی، دستاوردی بسیار شگفت‌انگیز محسوب می‌شد، اما حالا محققان مدعی شده‌اند می‌توانند شبکه‌ای از هزاران تراشه را روی مغز انسان تشکیل دهند. اگرچه ممکن است در حالت عادی اتصال تراشه‌ها و ابزارهای الکترونیکی به بدن و کار گذاشتن دستگاه‌های دیجیتال در بدن، جان بیماران را نجات دهد، اما خطراتی نیز به همراه دارد که باید پیش از فراگیر شدن چنین روش‌هایی، این خطرات را شناسایی کرده و راهکارهای مناسبی برای آن‌ها ارائه کرد.
فریب دادن شبکه‌های عصبی
24 فروردين 1398
مجهز کردن ماشین‌ها به سامانه‌های هوشمند بینایی یکی از اهداف مهم محققان است. معمولا برای اینکه سامانه‌های هوشمند قادر به شناسایی و درک بصری محیط اطراف خود باشند، آن‌ها را با داده‌های تصویری نظیر عکس یا ویدیو آموزش می‌دهیم. اما این نوع آموزش باید با دقت بیشتری انجام شود زیرا سامانه‌های فعلی که با داده‌های متعارف آموزش داده می‌شوند به راحتی فریب می‌خورند. اینکه سامانه هوشمند بینایی قادر به تحلیل صحیح تصاویر نامتعارف باشد کمک زیادی خواهد کرد تا در آینده با اطمینان بیشتری از این سامانه‌ها در ماشین‌های خودکار استفاده کنیم. بنابراین به ماشین بینایی نیاز داریم که بتواند با اطمینان بالا جهان بصری اطراف خود را درک کند و فریب نخورد.
شبکه های عصبی از نگاه روانشناسان
12 فروردين 1398
سامانه‌های هوشمند مبتنی بر یادگیری عمیق تا چه میزان قابل‌اعتماد هستند و تا چه اندازه قادرند عملکرد مغز انسان را تقلید کنند؟ گروهی از روانشناسان شناختی دانشگاه یو‌سی‌ال‌ای در تحقیقی سعی کرده‌اند برای این پرسش‌ها پاسخی بیابند.
تراشه عصبی آکیدا - نگاهی به تراشه هوش مصنوعی مبتنی بر شبکه‌های عصبی SNN
05 فروردين 1398
شرکت برین‌چیپ (BrainChip)، فعال در حوزه محاسبات نورومورفیک، مدعی است برای نخستین بار در جهان تراشه‌ای تجاری مبتنی بر شبکه‌های عصبی پالسی (SNN) معرفی کرده‌ است. این تراشه با نام آکیدا (Akida NSoC) یک سامانه نورومورفیک روی تراشه است. چنین معماری این امکان را به شرکت برین‌چیپ می‌دهد که به‌ویژه در بازار تجهیزات هوشمند لبه‌ای، حرفی برای گفتن داشته باشد و نامش به‌عنوان رقیبی در برابر شرکت‌هایی نظیر اینتل و آی‌بی‌اِم مطرح شود.
شرکت علی‌بابا (Alibaba) اعلام کرده، تولید نخستین تراشه هوش مصنوعی خود را در نیمه دوم سال ۲۰۱۹ میلادی آغاز خواهد کرد. در حال حاضر، این غول تجارت الکترونیک از هوش مصنوعی در کاربردهایی نظیر بهبود عملکرد فروشگاه آنلاین خود استفاده می‌کند. اما تراشه عصبی جدید، جای پای علی‌بابا را در حوزه‌هایی نظیر خودران‌ها، شهرهای هوشمند و توزیع کالا‌ محکم‌ خواهد کرد. در سال‌های اخیر شرکت‌های چینی چون هواوی و بایدو تلاش زیادی کرده‌اند که در حوزه فناوری‌های پیشرفته حرفی برای گفتن داشته باشند و حالا گروه علی‌بابا در میانه یک جنگ اقتصادی تمام‌عیار با آمریکا، تصمیم به کاهش وابستگی خود به تراشه‌های وارداتی گرفته و روی فناوری‌های عصبی و حتی کوانتومی کار می‌کند.

صفحه‌ها

اشتراک در شبکه های عصبی
پشتیبانی توسط ایران دروپال